サイトリニューアルをしました。
May 8, 2017
セミナー
【Live配信（リアルタイム配信）】
統計的データ処理のための
確率統計・線形代数入門
～カルマンフィルタ，システム同定，機械学習の基礎～
| 日時 | 2020年11月27日（金） 10:00-17:00 |
|
|---|---|---|
| 会場 | Live配信セミナー（リアルタイム配信） ※会社・自宅にいながら学習可能です※ |
会場地図 |
| 講師 | 慶應義塾大学 理工学部 物理情報工学科 教授（工学博士） 足立 修一 氏 ＜経歴＞ 1981年 慶應義塾大学 工学部 電気工学科卒業 1986年 慶應義塾大学大学院 工学研究科 博士課程 電気工学専攻修了（工学博士） 1986年 株式会社東芝入社 総合研究所 勤務 1990年 宇都宮大学 工学部 電気電子工学科 助教授 1993年 ～1996年 科学技術庁 航空宇宙技術研究所（現JAXA）客員研究官 兼務 2002年 宇都宮大学 工学部 電気電子工学科 教授 2003年 ～2004年 ケンブリッジ大学 工学部（制御グループ） 客員研究員（Gonville and Caius College） 2006年 慶應義塾大学 理工学部 物理情報工学科 教授 ＜研究テーマ＞ 1 システム同定理論と時系列解析…連続時間システム同定法 / プロセス制御のための実用的なシステム 同定理論 / 時系列解析 2 非線形・非ガウシアン最適フィルタリング理論（状態推定問題）…Unscented Kalman filter (UKF） / カルマンフィルタ理論の実用化検討 3 制御系設計理論…モデル予測制御（Model Predictive Control） / ロバスト制御 ＜主な著書＞ 「MATLAB による制御のための上級システム同定」（2004）、 「電気自動車の制御システム～電池，モータ，エコ技術～」（2009.6.10）、 「システム同定の基礎」（2009.9）、 「カルマンフィルタの基礎」、「バッテリマネジメント工学」（2015.12）、（2012.10）…以上、東京電機大学出版局。 「信号・システム理論の基礎～フーリエ解析，ラプラス変換，z変換を系統的に学ぶ～」（2014.10）…コロナ社 |
|
|
受講料(税込)
各種割引特典
|
51,700円
( S&T会員受講料 51,700円 )
S&T会員登録について
定価：本体47,000円＋税4,700円
会員：本体47,000円＋税4,700円
|
|
お１人様受講の場合 51,700円 （47,000円＋税4,700円）
1口でお申込の場合 62,700円 （57,000円＋税5,700円／1口（3名まで受講可能））
※S&T会員価格 S&T複数同時申込み割引対象外
※開催7日前に主催会社(株)トリケップスから受講票、会場地図、請求書を発送します。
※開催日から9日前以降のキャンセルは受講料全額を申受けます。但し、セミナー終了後テキストを郵送します。 ※サイエンス＆テクノロジーが設定しているアカデミー価格・キャンセル規定対象外のセミナーです。 |
||
| 主催 | (株)トリケップス | |
| オンライン配信 | ☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆ | |
セミナー趣旨
深層学習（ディープラーニング）に代表される機械学習に対する関心が非常に高まっています。機械学習のユーザであれば，その中身について深く知る必要はないかもしれません。しかし，学習理論を正しく使うためには，その中身を構成する確率・統計理論や線形代数などの数学の知識が必要です。このような知識を持っていれば，この第3次AI ブームが終わっても，それらは次に向けた研究開発に大いに役立つことでしょう。
本セミナーでは，カルマンフィルタ，システム同定，機械学習などを学ぶために必要な数学に焦点を絞って解説します。まず，難解だと言われる確率論を平易に解説することを試みます。また，その延長線上にある最小二乗法と最尤推定法などの統計的推定論を説明し，最小二乗法の先にある特異値分解法や，機械学習理論でも中心的な理論である正則化法について解説します。さらに，機械学習の分類問題を学ぶためには，高校数学の「平面と方程式」の知識が役立つことをお話しします。最後に，線形基底関数モデルに対する正則化最小二乗法を解説し，時間があればカーネル法についてもお話ししたいと考えています。
本セミナーでは，カルマンフィルタ，システム同定，機械学習などを学ぶために必要な数学に焦点を絞って解説します。まず，難解だと言われる確率論を平易に解説することを試みます。また，その延長線上にある最小二乗法と最尤推定法などの統計的推定論を説明し，最小二乗法の先にある特異値分解法や，機械学習理論でも中心的な理論である正則化法について解説します。さらに，機械学習の分類問題を学ぶためには，高校数学の「平面と方程式」の知識が役立つことをお話しします。最後に，線形基底関数モデルに対する正則化最小二乗法を解説し，時間があればカーネル法についてもお話ししたいと考えています。
セミナー講演内容
1 はじめに
2 確率の基礎
2.1 確率の定義，確率密度関数，期待値
2.2 正規分布とさまざまな確率分布
2.3 多次元正規分布と固有値分解
3 統計的推定：最小二乗法と最尤推定法
4 最小二乗法によるデータ処理
5 最小二乗法の先
5.1 特異値分解を用いた最小二乗解
5.2 L2 ノルム正則化法
5.3 L1 ノルム正則化法（LASSO）
6 線形分類のための「平面と方程式」
7 線形基底関数モデルとカーネル法
まとめ
□質疑応答・名刺交換□
2 確率の基礎
2.1 確率の定義，確率密度関数，期待値
2.2 正規分布とさまざまな確率分布
2.3 多次元正規分布と固有値分解
3 統計的推定：最小二乗法と最尤推定法
4 最小二乗法によるデータ処理
5 最小二乗法の先
5.1 特異値分解を用いた最小二乗解
5.2 L2 ノルム正則化法
5.3 L1 ノルム正則化法（LASSO）
6 線形分類のための「平面と方程式」
7 線形基底関数モデルとカーネル法
まとめ
□質疑応答・名刺交換□
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSLページ（https）からの情報送信は暗号化技術により保護されます。
SSLページ（https）からの情報送信は暗号化技術により保護されます。